【笔记】自监督 和 无监督：如果按照 有人为标注的监督信号是有监督，那么自监督划分到无监督范围；如果按照有监督信号是有监督，那么自监督划分到有监督范围

注：

自监督、无监督、有监督 的区别重点是看 模型预测的结果 或 计算得到的结果 是否是确定的，如果是确定的，往往可以根据人为设置的标签来计算损失（有）；如果是不确定的，则不可以计算损失，同时，也无法通过人工方式设置标签（无）。

附：

自监督(self-supervised)既可以认为是有监督(supervised)也可以认为是无监督(unsupervised)，主要取决于如何定义有监督。

自监督学习（Self-supervised Learning）：是指直接从大规模的无监督数据中挖掘自身监督信息来进行监督学习和训练的一种机器学习方法（可以看成是无监督学习的一种特殊情况），自监督学习需要标签，不过这个标签不来自于人工标注，而是来自于数据本身。自监督学习方法：基于上下文、基于时序、基于对比等。

无监督学习（Unsupervised Learning）：是指从无标注数据中学习预测模型的机器学习方法，其本质是学习数据中的统计规律或潜在结构。无监督学习方法：聚类、K均值、PCA等。

监督学习是一种目的明确的训练方式，你知道得到的是什么；而无监督学习则是没有明确目的的训练方式，你无法提前知道结果是什么。 监督学习需要给数据打标签；而无监督学习不需要给数据打标签。 监督学习由于目标明确，所以可以衡量效果；而无监督学习几乎无法量化效果如何。

eg1：

 

 eg2：

eg3：